基于频谱能量分析的轨道几何检测系统常见异常状态识别方法

郝晋斐 赵紫珅 王宁 周谦 贺雨

1.中国铁道科学研究院集团有限公司 基础设施检测研究所， 北京 100081； 2.北京铁科英迈技术有限公司， 北京 100081

轨道几何检测系统是基础设施检测的必要装备，为提高轨道平顺性、保障列车安全运行发挥了重要作用［1］。根据2022 年我国全路轨道检查车、高速综合检测列车运用情况，轨道几何检测系统检测里程共计535 万公里［2-3］。轨道几何检测系统技术状态良好是客观评价线路状态的先决条件，检测系统异常造成的漏检和误报均会影响线路的客观评价，特别是对局部峰值Ⅳ级超限（限速管理值）的漏检，可能影响到列车行车安全风险的识别。

我国轨道几何检测系统的发展历经GJ-3、GJ-4、GJ-5、GJ-6 几代型号［4-6］，目前GJ-6 型轨道几何检测系统作为在用主型检测系统，广泛安装于高速综合检测列车与轨道检查车。GJ-6 型轨道几何检测系统基于惯性基准测量原理，采用捷联式系统结构、非接触测量方式。传感器主要包括惯性测量组件、激光摄像组件和高低位移计。其中，惯性测量组件包括安装于车体的陀螺平台、左右高低加速度计以及安装于检测梁的轨向加速度计，可以采集车体的滚动和摇头角速度、车体倾角、车体垂向加速度，检测梁横向加速度，以建立轨道检测的惯性基准。激光摄像组件和高低位移计分别对检测梁与轨道横向的相对位置关系、车体与轨道垂向的相对位置关系进行测量，最终各传感器合成输出轨道几何参数。

GJ-6型轨道几何检测系统传感器布置见图1。

图1 GJ-6型轨道几何检测系统传感器布置

在检测过程中，轨道几何检测系统故障主要依靠检测人员个人经验先行识别，然后再采用仪器、仪表对检测系统各通道零点、增益等项点进行排查。该方法需要长期检测经验积累以及个人感性认识，尚无故障量化判定方法。

随着5G 通信技术在铁路基础设施检测监测领域的应用，通过车载检测系统与地面数据中心之间构建高速、可靠的无线网络通道，轨道几何检测系统已经朝着无人值守检测、远程检测系统状态监控的方向发展［7］。轨道几何检测系统异常状态识别方法对于及时发现设备异常，进行故障排查，减少设备漏检以及提升检测自动化检测水平具有重要意义。因此，本文以2021 年高速综合检测列车轨道几何检测系统漏检情况为数据基础，统计归纳出检测系统常见异常状态类型；基于轨道几何检测系统测量原理与车辆振动特性，进行异常状态频谱能量影响分析，提出轨道几何检测系统常见异常状态识别方法。

1 轨检系统常见异常状态

以2021 年全路高速综合检测列车运用情况作为统计样本，对全年轨道几何检测系统出现异常状态的成因进行分类统计，发现：①雨雪、强光、钢轨打磨等外界环境因素造成激光摄像组件无法测量检测梁与钢轨之间的相对位置关系，该类异常约占漏检里程的76.2%；②高低位移计因长期暴露于外界环境，传感器存在拉弦卡阻、断裂等现象，该类异常约占11.4%；③激光摄像组件长期服役造成状态不良，该类异常约占5.3%；④其他检测系统硬件、计算机故障，其中轨道几何检测系统采集及参数合成计算机故障、服务器计算机故障分别约占4.0%、0.5%，车上陀螺平台、高低与轨向加速度计及信号处理板卡故障约占1.9%，供电单元故障约占0.7%。

通过上述分类统计，轨道几何检测系统高低位移计、激光摄像组件因长期暴露于外界环境，测量环境和自身状态不良是造成系统状态异常的主因，占漏检里程的92.9%，其他检测系统硬件、计算机安装于车体、检测梁内部，总体服役环境良好，在漏检里程中的比例仅为7.1%。因此，针对高低位移计、激光摄像组件异常状态开展相关识别方法研究。

2 识别方法

GJ-6 型轨道几何检测系统惯性测量组件、激光摄像组件和高低位移计分布于专业检测车车体、转向架检测梁、轴端。根据车辆振动特性相关研究成果［8-9］，车体、转向架、车轮主要振动频率范围存在明显差异，其中车体振动频率范围最低，集中在1 ～ 2 Hz。这导致轨道几何检测系统高低、轨向参数合成过程中，安装于车体及轨检梁的惯性组件主要贡献了相对低频的成分，用于测量惯性平台与轨道垂向、横向相对位置关系的高低位移计和激光摄像组件主要贡献了相对高频成分。轨道几何检测系统作为捷联式结构系统，如高低位移计、激光摄像组件出现异常状态，必然导致高低、轨向参数在频域发生变化。

考虑到高低位移计、激光摄像组件状态不良是造成系统异常的主要原因，通过分析正常状态数据与监控检测系统检测数据高低、轨向参数频谱能量的差异，可实现轨道几何检测系统常见异常状态的识别。

2.1 高低、轨向频谱能量分析方法

根据Parseval 定理［10］，一个信号含有的能量恒等于此信号在完备正交函数集中各分量能量之和。一定长度的信号，在时域的总能量与在频域的总能量相等，该信号能量可以通过频域表征。对于一定长度的高低、轨向信号，在时域与频域能量的表征为

式中：x(n)为按轨道几何检测系统输出格式输出的连续N个点（n= 0 ～N-1）的高低或轨向检测结果；X(k)为x(n)信号快速傅里叶变换（Fast Fourier Transform，FFT）结果；k为对应FFT变换的频点，k= 0 ～N-1。

目前，我国在用轨道几何检测系统均采用0.25 m间隔输出轨道几何参数，则x(n)信号的空间输出频率Fs= 4 m-1。因此，FFT 变换过程中对应的空间频率（Fn）与波长（λ）分别表示为

对时域信号x(n)表征的能量，在频域内按照统计频段进行能量的分解。根据轨道几何检测系统1.5 ～42 m可测波长范围，按5 m一个波长统计频段，拆分为1.5 ～ 5、5 ～ 10、10 ～ 15、15 ～ 20、20 ～ 25、25 ～ 30、30 ～ 35、35 ～ 40 m 共8 个统计频段。各波长频段频谱能量表征为

式中：E(λn，λn-1)为频段频谱能量；λn、λn-1分别为频谱能量统计频段的起始、截止波长。

为分析正常状态的数据与监控检测系统数据对应频段频谱能量的差异，采用两次测量对应频段频谱能 量［E1(λn，λn-1)、E2(λn，λn-1)］之 比（Δ）进 行 表征，即

2.2 典型异常状态数据分析

选取2021年、2022年全路高速综合检测列车轨道几何检测系统典型高低位移计、激光摄像组件异常状态数据各10组，与对应线路临近时间两次正常状态数据，形成涵盖200 ～ 350 km/h速度等级高速铁路的数据样本库。通过分析两次正常状态、正常与异常状态对应波长频段频谱能量之比，研究轨道几何检测系统异常状态下频谱能量变化特征，提出常见异常状态识别方法与限值标准。分析时，采用2 km 作为一个区段统计长度，既可以避免因统计数据较短、轨道几何不平顺局部幅值变化对数据分析的影响，也保证了系统异常状态识别及时性的要求。

1）高低位移计异常状态

在典型高低位移计异常状态数据样本中，选取高速铁路线路A 在2022 年9 月—10 月的检测数据进行分析。图2为高低位移计正常与异常状态下检测波形图及频谱图。可知：高低位移计状态异常导致波形图上左高低参数与正常检测结果有明显差异；在频谱图上，高低位移计异常状态下1.5 ～ 20 m 波长频段的左高低频谱幅值远小于正常状态检测结果。图3为高低位移计正常状态两次检测波形图及频谱图（以左高低为例）。可知：高低位移计正常状态下，高低参数两次检测结果具有很好的重复性，各频段频域幅值接近。

图2 高低位移计正常与异常状态检测波形及频谱对比

图3 高低位移计正常状态两次检测波形及频谱对比

对样本数据进行频谱能量分析，结果见图4。可知：在高低位移计正常状态下，高低参数两次测量频谱能量（E正常1、E正常2）具有很好的一致性，各频段频域能量之比（Δ =E正常1/E正常2）总体分布在1.0 左右，区间分布不超过0.6 ～ 2.5；在高低位移计异常状态下，异常状态频域能量（E异常）与正常状态频域能量（E正常）有明显差异，其比值（Δ =E正常/E异常）在1.5 ～ 20 m 波长内变化最明显，最小值略大于4.0，最大值可达50.0。

图4 高低位移计频谱能量分析

2）典型激光摄像组件异常状态

在典型激光摄像组件异常状态数据样本中，选取高速铁路线路B 在2022 年5 月—6 月检测数据进行分析。激光摄像组件正常与异常状态下的检测波形图及频谱图（以左轨向为例）见图5。可知：激光摄像组件状态异常导致波形图上轨向参数与正常检测结果不一致；在频谱图上，激光摄像组件异常状态下1.5 ～20 m 波长频段的轨向频谱幅值远小于正常状态检测结果。激光摄像组件正常状态两次检测波形图及频谱图（以左轨向为例）见图6。可知：激光摄像组件正常状态下，轨向参数两次检测结果具有很好的重复性，各频段频域幅值接近。

图5 激光摄像组件正常与异常状态检测波形及频谱对比

图6 激光摄像组件正常状态两次检测波形及频谱对比

对样本数据进行频谱能量分析，结果见图7。可知：在激光摄像组件正常状态下，轨向参数两次测量频谱能量（E正常1、E正常2）具有很好的一致性，各频段频域能量之比（Δ =E正常1/E正常2）在0.8 ～ 1.6；在激光摄像组件异常状态条件下，异常状态频域能量（E异常）与正常状态频域能量（E正常）有明显差异，其比值（Δ =E正常/E异常）在1.5 ～ 15 m 波长内变化最为明显，最小值略大于3.0，最大值可达80.0以上。

图7 激光摄像组件频谱能量分析

根据轨道几何检测系统异常状态频谱能量影响分析结果，两次正常状态检测过程中，高低、轨向参数各频段频谱能量的一致性良好，两次频谱能量之比不超过2.5；高低位移计、激光摄像组件异常状态分别对高低参数在1.5 ～ 20 m 波长频段、轨向参数在1.5 ～15 m 波长频段频谱能量产生明显影响，导致正常与异常状态频谱能量之比在4.0 ～ 50.0、3.0 ～ 80.0。

在实际异常状态识别应用中，采用临近时间正常状态检测数据作为基准数据，按照2 km 为一个统计区段长度，将基准数据与状态监控轨道几何检测系统检测数据高低参数在1.5 ～ 20 m 波长频段、轨向参数在1.5 ～ 15 m 波长频段的频谱能量之比(Δ)作为识别参数，进行实时更新计算。建议参数识别限值分别设置为4.0、3.0，并结合检测里程信息，对轨道几何检测系统异常状态位置、长度等信息进行统计。

3 方法验证

选取2023 年高速铁路线路C、线路D 在检测过程中分别发生的高低位移计、激光摄像组件故障数据，验证上述识别方法的通用性与限值的合理性。

轨道几何检测系统正常与异常状态数据的频谱能量结果见表1。其中，E1为正常检测频谱能量，E2为异常状态频谱能量。可知：线路C 正常与异常状态检测数据高低参数在1.5 ～ 20 m 波长频段的频谱能量之比在11.0以上，大于限值4.0；线路D正常与异常状态检测数据轨向参数在1.5 ～ 15 m 波长频段的频谱能量之比在4.0以上，大于限值3.0。异常状态均可得到识别，证明了识别方法的有效性。

表1 轨道几何检测系统正常与异常状态参数频谱能量对比

4 结语

本文基于轨道几何检测系统测量原理与车辆振动特性，提出了一种基于频谱能量分析的高低位移计、激光摄像组件异常状态识别方法，分别采用正常状态检测数据与状态监控轨道几何检测系统检测数据高低参数在1.5 ～ 20 m 波长频段、轨向参数在1.5 ～15 m 波长频段的频谱能量之比作为识别参数。通过对典型异常状态样本库的分析，将高低位移计、激光摄像组件异常状态识别限值设置为4.0、3.0，识别参数超过该限值则判定为系统异常状态。研究成果对于提升轨道几何检测系统检测自动化水平、降低漏检具有十分重要的意义。

后续将进一步开展其他传感器异常状态特征提取及识别方法研究，完善轨道几何检测系统异常状态识别方法。